CN113437979A - 一种基于非均匀信源的原模图ldpc码的结构优化方法及装置 - Google Patents

一种基于非均匀信源的原模图ldpc码的结构优化方法及装置 Download PDF

Info

Publication number
CN113437979A
CN113437979A CN202110736982.0A CN202110736982A CN113437979A CN 113437979 A CN113437979 A CN 113437979A CN 202110736982 A CN202110736982 A CN 202110736982A CN 113437979 A CN113437979 A CN 113437979A
Authority
CN
China
Prior art keywords
original
information
nodes
original model
graph
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110736982.0A
Other languages
English (en)
Other versions
CN113437979B (zh
Inventor
陈启望
陈辰
周林
贺玉成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaqiao University
Original Assignee
Huaqiao University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huaqiao University filed Critical Huaqiao University
Priority to CN202110736982.0A priority Critical patent/CN113437979B/zh
Publication of CN113437979A publication Critical patent/CN113437979A/zh
Application granted granted Critical
Publication of CN113437979B publication Critical patent/CN113437979B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M13/00—Coding, decoding or code conversion, for error detection or error correction; Coding theory basic assumptions; Coding bounds; Error probability evaluation methods; Channel models; Simulation or testing of codes
    • H03M13/03—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words
    • H03M13/05—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits
    • H03M13/11—Error detection or forward error correction by redundancy in data representation, i.e. code words containing more digits than the source words using block codes, i.e. a predetermined number of check bits joined to a predetermined number of information bits using multiple parity bits
    • H03M13/1102—Codes on graphs and decoding on graphs, e.g. low-density parity check [LDPC] codes
    • H03M13/1148—Structural properties of the code parity-check or generator matrix
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Error Detection And Correction (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明提供了一种基于非均匀信源的原模图LDPC码的结构优化方法、装置方法包括：根据信源的统计特性,建立码率为ns/(nv‑npunc)的原模图，其中，ns为信息比特节点的数量，nv为所有变量节点的数量，npunc为删余结构的数量；随机调整所述原模图的编码结构,获取所有满足预设条件的第一原模图；调用外部信息转移算法对所述第一原模图进行运算,以获取信道译码门限最小的第一原模图；调用PEG算法,对所述信道译码门限最小的第一原模图进行扩展,以获得原模图LDPC的矩阵H，可以得到原模图LDPC码相比于传统的LDPC码具有更低的译码门限，且具有更高的编码增益。

Description

一种基于非均匀信源的原模图LDPC码的结构优化方法及装置
技术领域
本发明涉及通信编码领域，特别涉及一种基于非均匀信源的原模图LDPC码的结构优化方法及装置。
背景技术
在现有技术中，针对于非均匀分布的信源信息，标准的数字通信系统是分成两步，首先利用信源编码压缩冗余信息，然后使用信道编码进行差错控制。但是该系统的最优性是建立在无限编码长度以及无限传输延时的假设之上。考虑到实际的条件，该系统并不适合于低功耗以及低复杂度的场景，比如物联网、无线传感器网络等。如果采用联合编码方案，通过迭代利用信源冗余以及信道状态信息改善系统性能。但是大多数的联合编码方案利用两个或者更多的编码器，依然具有较高的复杂度，且译码门限高。
有鉴于此，提出本申请。
发明内容
本发明公开了一种基于非均匀信源的原模图LDPC码的结构优化方法、装置、设备及可读存储介质，旨在降低原模图LDPC码的译码门限，同时提高编码增益。
本发明第一实施例提供了一种基于非均匀信源的原模图LDPC码的结构优化方法,包括：
根据信源的统计特性,建立码率为ns/(nv-npunc)的原模图，其中，ns为信息比特节点的数量，nv为所有变量节点的数量，npunc为删余结构的数量；
随机调整所述原模图的编码结构,获取所有满足预设条件的第一原模图；
调用外部信息转移算法对所述第一原模图进行运算,以获取信道译码门限最小的第一原模图；
调用PEG算法,对所述信道译码门限最小的第一原模图进行扩展,以获得原模图LDPC的矩阵H。
优选地，所述随机调整所述原模图的编码结构,获取所有满足预设条件的第一原模图具体为：
随机调整所述原模图的校验比特节点、以及信息比特节点的结构；
将满足矩阵所有行重大于等于3、矩阵的列重为2的数量小于nv-ns-1、以及配置有删余结构的原模图且列重为1的数量与删余变量节点相等的定义为第一原模图。
优选地，所述调用外部信息转移算法对所述第一原模图进行运算,以获取信道译码门限最小的第一原模图具体为：
根据信噪比的值,对所述第一原模图的信息比特节点的方差值、校验比特节点的方差值进行初始化；
迭代更新变量节点和校验校验节点的信息传递，直至变量节点的互信息为1的最小信噪比值。
优选地，所述第一原模图的信息比特所对应的变量节点的方差值与所述信源统计特性相关联。
本发明第二实施例提供了一种基于非均匀信源的原模图LDPC码的结构优化装置,包括：
原模图建立单元，用于根据信源的统计特性,建立码率为ns/(nv-npunc)的原模图，其中，ns为信息比特节点的数量，nv为所有变量节点的数量，npunc为删余结构的数量；
编码结构调整单元，用于随机调整所述原模图的编码结构,获取所有满足预设条件的第一原模图；
运算单元，用于调用外部信息转移算法对所述第一原模图进行运算,以获取信道译码门限最小的第一原模图；
扩展单元，用于调用PEG算法,对所述信道译码门限最小的第一原模图进行扩展,以获得原模图LDPC的矩阵H。
优选地，所述随机调整所述原模图的编码结构,获取所有满足预设条件的第一原模图具体为：
随机调整所述原模图的校验比特节点、以及信息比特节点的结构；
将满足矩阵所有行重大于等于3、矩阵的列重为2的数量小于nv-ns-1、以及配置有删余结构的原模图且列重为1的数量与删余变量节点相等的定义为第一原模图。
优选地，所述调用外部信息转移算法对所述第一原模图进行运算,以获取信道译码门限最小的第一原模图具体为：
根据信噪比的值,对所述第一原模图的信息比特节点的方差值、校验比特节点的方差值进行初始化；
迭代更新变量节点和校验校验节点的信息传递，直至变量节点的互信息为1的最小信噪比值。
优选地，所述第一原模图的信息比特所对应的变量节点的方差值与所述信源统计特性相关联。
本发明第三实施例提供了一种基于非均匀信源的原模图LDPC码的结构优化设备，包括处理器、存储器以及存储在所述存储器中且被配置由所述处理器执行的计算机程序，所述处理器执行所述计算机程序实现如上任意一项所述的一种基于非均匀信源的原模图LDPC码的结构优化方法。
本发明第四实施例提供了一种可读存储介质，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如上任意一项所述的一种基于非均匀信源的原模图LDPC码的结构优化方法。
基于一种基于非均匀信源的原模图LDPC码的结构优化方法、装置、设备及可读存储介质，通过先根据信源的统计特性，建立原模图，调整原模图的编码结构，获取所有满足条件的第一原模图，获取信道译码门限最小的第一原模图，并对其进行扩展以获得原模图LDPC的矩阵H，可以得到原模图LDPC码相比于传统的LDPC码具有更低的译码门限，且具有更高的编码增益。
附图说明
图1是本发明一种基于非均匀信源的原模图LDPC码的结构优化方法流程示意图；
图2是本发明提供的统计特性p＝0.1时，码率为1/2时的信道编码矩阵BHU的原模图；
图3是本发明提供的统计特性p＝0.1时，
Figure BDA0003140313110000051
和
Figure BDA0003140313110000052
在信息比特的长度为2400的AWGN性能仿真图；
图4是本发明一种基于非均匀信源的原模图LDPC码的结构优化方装置模块示意图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
实施例中提及的“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
以下结合附图对本发明的具体实施例做详细说明。
本发明公开了本发明公开了一种基于非均匀信源的原模图LDPC码的结构优化方法、装置、设备及可读存储介质，旨在降低原模图LDPC码的译码门限，同时提高编码增益。
请参阅图1，本发明第一实施例提供了一种基于非均匀信源的原模图LDPC码的结构优化方法，其可由原模图LDPC码的结构优化设备(以下简称优化设备)来执行，特别的，由升级设备内的一个或者多个处理器来执行，以实现如下步骤：
S101，根据信源的统计特性,建立码率为ns/(nv-npunc)的原模图，其中，ns为信息比特节点的数量，nv为所有变量节点的数量，npunc为删余结构的数量；
所述优化设备可为位于云端的服务器或用户终端，具体地，在本实施例中，其优化设备位于用户终端(如智能手机、智能打印机或者其他智能设备)，所述优化设备存储有对原模图LDPC码进行结构优化的数据，用于对原模图LDPC码进行优化。
在本实施例中，所述信源可以为二进制信源，其统计特性可以表示为(η0,η1)，其中η0表示为0比特的占比，η1表示为1比特的占比，η0+η1＝1，
在本实施例中，用
Figure BDA0003140313110000071
表示所有变量节点集合，
Figure BDA0003140313110000072
表示信息比特对应的变量节点集合，
Figure BDA0003140313110000073
表示校验比特对应的变量节点集合，Vpunc表示删余比特对应的变量节点集合，且nv、npunc均为正整数；
S102，随机调整所述原模图的编码结构,获取所有满足预设条件的第一原模图；
具体地，在本实施例中，随机调整所述原模图的校验比特节点、以及信息比特节点的结构；
将满足矩阵所有行重大于等于3、矩阵的列重为2的数量小于nv-ns-1、以及配置有删余结构的原模图且列重为1的数量与删余变量节点相等的定义为第一原模图。
其中，所述原模图为一个矩阵，可以通过随机调整矩阵元素的排列方式来获得满足上述条件的第一原模图。
S103，调用外部信息转移算法对所述第一原模图进行运算,以获取信道译码门限最小的第一原模图；
具体地，在本实施例中，根据信噪比的值,对所述第一原模图的信息比特节点的方差值、校验比特节点的方差值进行初始化；
迭代更新变量节点和校验校验节点的信息传递，直至变量节点的互信息为1的最小信噪比值。
本实施例中，首先，定义5种类型的互信息(Mutual information，MI)：
IEV(i,j)：从第j个变量节点传向第i个校验节点的后验MI；
IEC(i,j)：从第i个校验节点传向第j个变量节点的后验MI；
IAV(i,j)：从第j个变量节点传向第i个校验节点的先验MI；
IAC(i,j)：从第i个校验节点传向第j个变量节点的先验MI；
IAPP(j)：第j个变量节点和对应信息比特sj之间所估计的后验互信息；
J(σch)表示一个二进制比特与其对数似然信息值之间的互信息，其中σch表示变量节点的方差
Figure BDA0003140313110000081
其对应的反函数J-1(I)为
Figure BDA0003140313110000091
其中λ1＝1.09542，λ2＝0.706692，μ1＝0.214217，μ2＝0.386013，
Figure BDA0003140313110000092
以及
Figure BDA0003140313110000093
最后，针对原模图LDPC码在AWGN信道下外部信息转移算法叙述如下：
(1)针对不同的变量节点，根据信噪比Eb/N0值，初始化对应的方差值，其中Vp变量节点的方差值为
Figure BDA0003140313110000094
Vs变量节点的方差为
Figure BDA0003140313110000095
如果有删余结构，其对应的变量节点的方差值为0；
(2)变量节点流向校验节点的互信息更新：对于j＝1,2,...,nv以及i＝1,2,...,nv-ns，当bij≠0时(其中，B＝[bij],B原模图)，计算
Figure BDA0003140313110000096
当bij＝0时，IEV(i,j)＝0。
对于j＝1,2,...,nv以及i＝1,2,...,nv-ns，计算IAC(i,j)＝IEV(i,j)。
(3)校验节点流向变量节点的互信息更新：对于j＝1,2,...,nv以及i＝1,2,...,nv-ns，当bij≠0时，计算
Figure BDA0003140313110000097
当bij＝0时，IEC(i,j)＝0。然后计算IAV(i,j)＝IEC(i,j)。
(4)估计后验对数似然值的互信息：对于j＝1,2,...,nv，计算
Figure BDA0003140313110000101
重复(2)-(4)迭代多次直至达到最大迭代次数或者当所有的IAPP(j)＝1，停止迭代。如果当前的Eb/N0值无法使得IAPP(j)＝1，则增大Eb/N0值重复(1)-(4)。
S104，调用PEG算法,对所述信道译码门限最小的第一原模图进行扩展,以获得原模图LDPC的矩阵H。
以下用一个例子来阐述本实施例的技术方案：
信源的统计特性可以为(0.9,0.1)，构思以码率为1/2的原模图B，其中，ns＝4,nv＝8；
对不同的变量节点进行方差值的初始化，即Vp变量节点的方差值为
Figure BDA0003140313110000102
Vs变量节点的方差为
Figure BDA0003140313110000103
提供一个初始化原模图B
Figure BDA0003140313110000104
在等功率调制的情况下，不失一般性，其对应关系可以是矩阵的前4列对应Vs变量节点，后4列对应Vp变量节点，如图2所示
对该原模图B进行如下判断，第一，行重分别为7,87,10,9，均大于3；第二，列重为2的数量是1<8-4-1＝3；第三，没有删余结构，列重为1的数量为0。均满足条件；
BHU不同的列结构有8种，需要任选4个作为Vs＝{v1,v2,v3,v4}变量节点，剩余4个作为Vp＝{v5,v6,v7,v8}变量节点，因此总共有
Figure BDA0003140313110000111
种组合。
针对这70种组合，利用改进的PEXIT算法计算信道译码门限，可以获得译码门限最小的原模图，为了突出该优化算法的优越性，这里给出了3种组合，其中1组是最优的组合，记为
Figure BDA0003140313110000112
剩余2组用于对比，分别记为
Figure BDA0003140313110000113
和
Figure BDA0003140313110000114
如下所示；
Figure BDA0003140313110000115
Figure BDA0003140313110000116
Figure BDA0003140313110000117
表1给出了等功率调制下的
Figure BDA0003140313110000118
和不等功率调制下的
Figure BDA0003140313110000119
和
Figure BDA00031403131100001110
在统计特性为(0.9,0.1)的译码门限。
表1.
Figure BDA00031403131100001111
和
Figure BDA00031403131100001112
在统计特性为(0.9,0.1)的译码门限
Figure BDA0003140313110000121
通过表1可以发现，不同的对应关系有着不同的译码门限，不等功率调制下的
Figure BDA0003140313110000122
具有最小的译码门限，相比于其他的组合具有1.4dB的编码增益。而且，不等功率调制系统相比于等功率调制系统的最大编码增益达到了2.26dB。此外，LDPC码的编译码复杂度往往由LDPC码所对应的原模图的节点平均度决定，由于该优化算法只是调整对应关系，因此在同一个结构下，编译码复杂度保持不变。
可以通过改变矩阵的内部一些结构，然后计算所有组合的译码门限，最终可以获得最佳的原模图。这样的优化方式是差分进化的算法一种。以BHU为例子进行说明，需要说明的是，在其他实施例中，还可以采用其他的方式进行优化，这里不做具体限定，但这些方案均在本发明的保护范围内。
利用PEG算法，我们对以上4个基础矩阵用扩展因子600进行扩展，即可获得对应的原模图LDPC矩阵
Figure BDA0003140313110000123
根据本文提到的编码调制系统对上述的原模图LDPC矩阵进行仿真，传输信道为AWGN信道，采用BP算法进行译码，设置的最大迭代次数等于100。
图3位信源统计特性为(0.9,0.1)时，4种信源比特长度为2400的性能仿真结果。从图中可以观察到，3种在不等功率调制系统下的比特误码率(Bit Error Rate，BER)均优于等功率调制系统，其在BER＝10-6时的最大编码增益达到了3.4dB。此外，通过上述优化结构的方法得到LDPC码相比于其他的组合也具有1.7dB左右的增益。
本实施例的基于不等功率调制系统的原模图LDPC优化设计，根据非均匀信源的信源统计特性，通过优化编码结构，实现信道译码门限的最小化。相比于传统的等功率调制系统，本实施例考虑了编码比特的非均匀特性，通过改进外部信息转移算法，实现基于不等功率调制系统的译码门限值计算，而且考虑了变量节点与编码比特之间的对应问题，通过优化变量节点的编码结构以及与编码比特的对应问题，达到了性能的最优化。
请参阅图4，本发明第二实施例提供了一种基于非均匀信源的原模图LDPC码的结构优化装置,包括：
原模图建立单元201，用于根据信源的统计特性,建立码率为ns/(nv-npunc)的原模图，其中，ns为信息比特节点的数量，nv为所有变量节点的数量，npunc为删余结构的数量；
编码结构调整单元202，用于随机调整所述原模图的编码结构,获取所有满足预设条件的第一原模图；
运算单元203，用于调用外部信息转移算法对所述第一原模图进行运算,以获取信道译码门限最小的第一原模图；
扩展单元204，用于调用PEG算法,对所述信道译码门限最小的第一原模图进行扩展,以获得原模图LDPC的矩阵H。
优选地，所述随机调整所述原模图的编码结构,获取所有满足预设条件的第一原模图具体为：
随机调整所述原模图的校验比特节点、以及信息比特节点的结构；
将满足矩阵所有行重大于等于3、矩阵的列重为2的数量小于nv-ns-1、以及配置有删余结构的原模图且列重为1的数量与删余变量节点相等的定义为第一原模图。
优选地，所述调用外部信息转移算法对所述第一原模图进行运算,以获取信道译码门限最小的第一原模图具体为：
根据信噪比的值,对所述第一原模图的信息比特节点的方差值、校验比特节点的方差值进行初始化；
迭代更新变量节点和校验校验节点的信息传递，直至变量节点的互信息为1的最小信噪比值。
优选地，所述第一原模图的信息比特所对应的变量节点的方差值与所述信源统计特性相关联。，即
Figure BDA0003140313110000141
本发明第三实施例提供了一种基于非均匀信源的原模图LDPC码的结构优化设备，包括处理器、存储器以及存储在所述存储器中且被配置由所述处理器执行的计算机程序，所述处理器执行所述计算机程序实现如上任意一项所述的一种基于非均匀信源的原模图LDPC码的结构优化方法。
本发明第四实施例提供了一种可读存储介质，存储有计算机程序，所述计算机程序能够被所述计算机可读存储介质所在设备的处理器执行，以实现如上任意一项所述的一种基于非均匀信源的原模图LDPC码的结构优化方法。
基于一种基于非均匀信源的原模图LDPC码的结构优化方法、装置、设备及可读存储介质，通过先根据信源的统计特性，建立原模图，调整原模图的编码结构，获取所有满足条件的第一原模图，获取信道译码门限最小的第一原模图，并对其进行扩展以获得原模图LDPC的矩阵H，可以得到原模图LDPC码相比于传统的LDPC码具有更低的译码门限，且具有更高的编码增益。
示例性地，本发明第三实施例和第四实施例中所述的计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述实现一种基于非均匀信源的原模图LDPC码的结构优化设备中的执行过程。例如，本发明第二实施例中所述的装置。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种基于非均匀信源的原模图LDPC码的结构优化方法的控制中心，利用各种接口和线路连接整个所述实现对一种基于非均匀信源的原模图LDPC码的结构优化方法的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现一种基于非均匀信源的原模图LDPC码的结构优化方法的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、文字转换功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、文字消息数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述实现的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (8)

1.一种基于非均匀信源的原模图LDPC码的结构优化方法,其特征在于,包括：
根据信源的统计特性,建立码率为ns/(nv-npunc)的原模图，其中，ns为信息比特节点的数量，nv为所有变量节点的数量，npunc为删余结构的数量；
随机调整所述原模图的编码结构,获取所有满足预设条件的第一原模图；
调用外部信息转移算法对所述第一原模图进行运算,以获取信道译码门限最小的第一原模图；
调用PEG算法,对所述信道译码门限最小的第一原模图进行扩展,以获得原模图LDPC的矩阵H。
2.根据权利要求1所述的一种基于非均匀信源的原模图LDPC码的结构优化方法,其特征在于,所述随机调整所述原模图的编码结构,获取所有满足预设条件的第一原模图具体为：
随机调整所述原模图的校验比特节点、以及信息比特节点的结构；
将满足矩阵所有行重大于等于3、矩阵的列重为2的数量小于nv-ns-1、以及配置有删余结构的原模图且列重为1的数量与删余变量节点相等的定义为第一原模图。
3.根据权利要求1所述的一种基于非均匀信源的原模图LDPC码的结构优化方法,其特征在于，所述调用外部信息转移算法对所述第一原模图进行运算,以获取信道译码门限最小的第一原模图具体为：
根据信噪比的值,对所述第一原模图的信息比特节点的方差值、校验比特节点的方差值进行初始化；
迭代更新变量节点和校验校验节点的信息传递，直至变量节点的互信息为1的最小信噪比值。
4.据权利要求3所述的一种基于非均匀信源的原模图LDPC码的结构优化方法,其特征在于，所述第一原模图的信息比特所对应的变量节点的方差值与所述信源统计特性相关联。
5.一种基于非均匀信源的原模图LDPC码的结构优化装置,其特征在于,包括：
原模图建立单元，用于根据信源的统计特性,建立码率为ns/(nv-npunc)的原模图，其中，ns为信息比特节点的数量，nv为所有变量节点的数量，npunc为删余结构的数量；
编码结构调整单元，用于随机调整所述原模图的编码结构,获取所有满足预设条件的第一原模图；
运算单元，用于调用外部信息转移算法对所述第一原模图进行运算,以获取信道译码门限最小的第一原模图；
扩展单元，用于调用PEG算法,对所述信道译码门限最小的第一原模图进行扩展,以获得原模图LDPC的矩阵H。
6.根据权利要求5所述的一种基于非均匀信源的原模图LDPC码的结构优化装置,其特征在于,所述随机调整所述原模图的编码结构,获取所有满足预设条件的第一原模图具体为：
随机调整所述原模图的校验比特节点、以及信息比特节点的结构；
将满足矩阵所有行重大于等于3、矩阵的列重为2的数量小于nv-ns-1、以及配置有删余结构的原模图且列重为1的数量与删余变量节点相等的定义为第一原模图。
7.根据权利要求5所述的一种基于非均匀信源的原模图LDPC码的结构优化装置,其特征在于，所述调用外部信息转移算法对所述第一原模图进行运算,以获取信道译码门限最小的第一原模图具体为：
根据信噪比的值,对所述第一原模图的信息比特节点的方差值、校验比特节点的方差值进行初始化；
迭代更新变量节点和校验校验节点的信息传递，直至变量节点的互信息为1的最小信噪比值。
8.根据权利要求7所述的一种基于非均匀信源的原模图LDPC码的结构优化装置,其特征在于，所述第一原模图的信息比特所对应的变量节点的方差值与所述信源统计特性相关联。
CN202110736982.0A 2021-06-30 2021-06-30 一种基于非均匀信源的原模图ldpc码的结构优化方法及装置 Active CN113437979B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110736982.0A CN113437979B (zh) 2021-06-30 2021-06-30 一种基于非均匀信源的原模图ldpc码的结构优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110736982.0A CN113437979B (zh) 2021-06-30 2021-06-30 一种基于非均匀信源的原模图ldpc码的结构优化方法及装置

Publications (2)

Publication Number Publication Date
CN113437979A true CN113437979A (zh) 2021-09-24
CN113437979B CN113437979B (zh) 2023-05-16

Family

ID=77758365

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110736982.0A Active CN113437979B (zh) 2021-06-30 2021-06-30 一种基于非均匀信源的原模图ldpc码的结构优化方法及装置

Country Status (1)

Country Link
CN (1) CN113437979B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114978194A (zh) * 2022-05-17 2022-08-30 华侨大学 适用于有损信源编码的原模图ldpc码的结构优化方法及装置
CN117955504A (zh) * 2024-03-27 2024-04-30 华侨大学 一种分析有损p-ldpc信源码性能的数学辅助方法、装置及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013117076A1 (zh) * 2012-02-07 2013-08-15 中兴通讯股份有限公司 一种迭代译码方法及系统
CN106341138A (zh) * 2016-09-05 2017-01-18 厦门大学 基于原模图ldpc码的联合信源信道编码矩阵构造方法
CN109067408A (zh) * 2018-08-02 2018-12-21 电子科技大学 一种原模图ldpc码的设计方法
CN109981226A (zh) * 2019-04-16 2019-07-05 厦门大学 一种联合信源信道编码系统的联合调度译码算法
CN111628784A (zh) * 2020-06-02 2020-09-04 浙江大学 一种水声信道下原模图ldpc码的优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013117076A1 (zh) * 2012-02-07 2013-08-15 中兴通讯股份有限公司 一种迭代译码方法及系统
CN106341138A (zh) * 2016-09-05 2017-01-18 厦门大学 基于原模图ldpc码的联合信源信道编码矩阵构造方法
CN109067408A (zh) * 2018-08-02 2018-12-21 电子科技大学 一种原模图ldpc码的设计方法
CN109981226A (zh) * 2019-04-16 2019-07-05 厦门大学 一种联合信源信道编码系统的联合调度译码算法
CN111628784A (zh) * 2020-06-02 2020-09-04 浙江大学 一种水声信道下原模图ldpc码的优化方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
QIWANG CHEN ET.AL: "Performance Improvement of JSCC Scheme Redesigning Channel Via Code", 《IEEE COMMUNICATIONS LETTERS》 *
刘勇;秦亮;汪振兴;: "深空通信中码率兼容原模图LDPC码的设计", 广东通信技术 *
周林 等: "多元速率兼容LDPC码的自适应编码调制系统研究", 《信号处理》 *
洪少华 等: "基于原模图LDPC码的分布式联合信源信道编码", 《电子与信息学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114978194A (zh) * 2022-05-17 2022-08-30 华侨大学 适用于有损信源编码的原模图ldpc码的结构优化方法及装置
CN117955504A (zh) * 2024-03-27 2024-04-30 华侨大学 一种分析有损p-ldpc信源码性能的数学辅助方法、装置及设备
CN117955504B (zh) * 2024-03-27 2024-07-02 华侨大学 一种分析有损p-ldpc信源码性能的数学辅助方法、装置及设备

Also Published As

Publication number Publication date
CN113437979B (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN113437979B (zh) 一种基于非均匀信源的原模图ldpc码的结构优化方法及装置
CN110445581B (zh) 基于卷积神经网络降低信道译码误码率的方法
CN103208995B (zh) 一种低密度奇偶校验码译码的提前终止方法
WO2019134553A1 (zh) 译码方法及设备
US10790857B1 (en) Systems and methods for using decoders of different complexity in a hybrid decoder architecture
CN109361495A (zh) 一种极化码构造方法、装置、电子设备及可读存储介质
CN118101136B (zh) 一种联合信源信道编码基础矩阵的构造方法、设备和介质
CN110830049A (zh) 一种基于密度进化改进偏移最小和的ldpc译码方法
CN106464421B (zh) 一种数据发送方法和装置
US7757149B2 (en) Broadcast message passing decoding of low density parity check codes
CN110545162B (zh) 基于码元可靠优势度节点子集划分准则的多元ldpc译码方法及装置
CN115642918A (zh) 双原模图ldpc码的编码优化方法、装置、设备及存储介质
CN105680881A (zh) Ldpc译码方法及译码器
CN101136639B (zh) 用于降低复杂性的低密度奇偶校验解码的系统和方法
CN107615666A (zh) Ldpc截短码的译码方法和译码设备
US7900126B2 (en) Systems and methods for reduced complexity LDPC decoding
CN109698706B (zh) 基于判决反馈的极化码非相干迭代检测方法及装置
CN107181567A (zh) 一种基于门限的低复杂度mpa算法
CN114978194A (zh) 适用于有损信源编码的原模图ldpc码的结构优化方法及装置
CN109889283B (zh) 一种scma上行通信系统多用户检测方法及装置
CN101854179A (zh) 一种应用于ldpc译码的5比特量化方法
CN114079474A (zh) 数据处理方法、装置、译码器、网络设备和可读存储介质
CN118118132B (zh) 基于双原模图ldpc码的联合编码系统的自适应传输方法和装置
WO2020052754A1 (en) Simplified check node processing for ldpc decoding
US12118452B2 (en) Training method and device based on improved protograph neural decoder

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant